可见这个估计结果并不好。但是经过反复采样，我们可以看到估计结果有了明显的改善。
可以看出，在抽样评估之前，还没有估计出T值的精确解析解。自助法采样后，得到数值。
核估计也是如此。
方法5:马氏距离
由于倾向得分匹配第一阶段对倾向得分的估计存在不确定性，Abadie和Imbens的相关研究回归到更简单的马氏距离，进行有无返回和允许并置的K近邻匹配。针对匹配不准确的一般偏差，提出了一种偏差修正方法，通过回归方法估计偏差，进而得到偏差修正匹配估计量。
* *-基本命令-* *
nnmatch re78治疗$vars，m(4) tc(att)总体偏差(bias)稳健(4)
以下内容下次介绍~ ~
那“道”是什么问题呢？当然，下一步是方法论。计量经济学研究的方法论是一个“求真”的过程。用通俗的语境解释，就是一个“准确估计”样本统计量，尽可能准确地推断整体的过程。这和经验哲学、科学哲学有很大关系，叫做“工具理性”。具体到研究，准确的估计(准确性——一个不可能实现的目标)需要克服各种实际困难，这些困难会干扰结果。
那么，“这些困难”又回到了“错误项”的范畴，这是各种内生的、异质的问题。因此，计量经济学研究方法论的核心问题是如何解决内生问题。
绕了这么大一个圈子，来说说趋势值匹配的优势:相比常规OLS，PSM可以(在一定程度上)克服OLS对选择性或干预时间估计错误时的选择性问题。通过设置选择模型，可以对对照组和干预组的状态进行分级配对。进而在可忽略假设和反事实推理中实现了“如果A是B，相同干预条件下会发生什么”的设定。最后是匹配估计量。
看起来很完美。
但是结局很糟糕。
模型越复杂，越脆弱，假设越强，设定的条件越多。所以PSM有很强的局限性。
考虑到我的说法不太准确，我引用了陈强《高级计量经济学与stata应用》第545页的一段话:
1.《得分 倾向得分匹配（PSM）操作过程与问题反思》援引自互联网，旨在传递更多网络信息知识，仅代表作者本人观点，与本网站无关，侵删请联系页脚下方联系方式。
2.《得分 倾向得分匹配（PSM）操作过程与问题反思》仅供读者参考，本网站未对该内容进行证实，对其原创性、真实性、完整性、及时性不作任何保证。
3.文章转载时请保留本站内容来源地址，https://www.lu-xu.com/guonei/1016166.html
